arXiv · cs.AI · Yihang Liu, Yiming Chen, Mingzhe Zheng · 5 小时前模型评分33
智能体策略需要每步都看图像吗？用几何抽象减少多模态查询
Do Agentic Policies Need to Look at Every Step? Geometric Abstraction for Reasoning and Action
导读
研究提出用3D几何抽象把机器人场景的空间推理从图像转到文本和符号，语言模型直接读取按需局部刷新的符号化场景状态，仅在必要时调用视觉推理。在离线策略合成和连续在线执行中，该方法提升了多步操作任务完成率，同时大幅减少重复的多模态查询。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：foundation-models，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose shifting routine spatial reasoning from images to text and symbols through a 3D geometric abstraction that is refreshed locally from observations and read directly by the language models.”
来源：arXiv · cs.AI · arxiv.org